Der Planungsprozess des Produktionsablaufes ist insbesondere in personalintensiven Bereichen durch einen hohen Komplexitätsgrad gekennzeichnet. Dies gilt nicht allein für die Domäne der Fertigung von Industriegütern, sondern ist überall dort charakteristisch, wo projektähnliche Aufgaben und Tätigkeiten im Kurzfristbereich hinsichtlich Ressourcenzuteilung determiniert werden müssen. Personal ist hierbei weitaus weniger homogen, als dies auf andere Ressourcentypen zutrifft. Daher gilt es der Heterogenität der Prozesse und Strukturen unter Beachtung individuell ausgeprägter Eigenschaften und Fähigkeiten des Personals einen quantitativ beschreibbaren und damit operationali-sierbaren Rahmen zu geben. Die Komplexität einer personalbezogenen, zielfunktionsorientierten Zuteilungsentscheidung kann im Kontext der Kapazitätsplanung damit signifikant reduziert werden.

It's commonly assumed that experience leads to efficiency, yet this is largely unaccounted for in resource-constrained project scheduling. This thesis considers the idea that learning effects could allow selected activities to be completed within reduced time, if they're scheduled after activities where workers learn relevant skills. This paper computationally explores the effect of this autonomous, intra-project learning on optimal makespan and problem difficulty. A learning extension is proposed to the standard RCPSP scheduling problem. Multiple parameters are considered, including project size, learning frequency, and learning intensity. A test instance generator is developed to adapt the popular PSPLIB library of scheduling problems to this model. Four different Constraint Programming model formulations are developed to efficiently solve the model. Bounding techniques are proposed for tightening optimality gaps, including four lower bounding model relaxations, an upper bounding model relaxation, and a Destructive Lower Bounding method. Hundreds of thousands of scenarios are tested to empirically determine the most efficient solution approaches and the impact of learning on project schedules. Potential makespan reduction as high as 50% is discovered, with the learning effects resembling a learning curve with a point of diminishing returns. A combination of bounding techniques is proven to produce significantly tighter optimality gaps.

Die zentrale europäische Verkehrsflusssteuerung (englisch: ATFM) und Luftverkehrsgesellschaften (englisch: Airlines) verwenden unterschiedliche Paradigmen für die Priorisierung von Flügen. Während ATFM jeden Flug als individuelle Einheit betrachtet, um die Kapazitätsauslastung aller Sektoren zu steuern, bewerten Airlines jeden Flug als Teilabschnitt eines Flugzeugumlaufes, eines Crew-Einsatzplanes bzw. einer Passagierroute. Infolgedessen sind ATFM-Zeitfenster für Flüge in Kapazitätsengpässen oft schlecht auf die Ressourcenabhängigkeiten innerhalb eines Airline-Netzwerks abgestimmt, sodass die Luftfahrzeug-Bodenabfertigung – als Verbindungselement bzw. Bruchstelle zwischen einzelnen Flügen im Netzwerk – als Hauptverursacher primärer und reaktionärer Verspätungen in Europa gilt. Diese Dissertation schließt die Lücke zwischen beiden Paradigmen, indem sie ein integriertes Optimierungsmodell für die Flugplanwiederherstellung entwickelt. Das Modell ermöglicht Airlines die Priorisierung zwischen Flügen, die von einem ATFM-Kapazitätsengpass betroffen sind, und berücksichtigt dabei die begrenzte Verfügbarkeit von Abfertigungsressourcen am Flughafen. Weiterhin werden verschiedene Methoden untersucht, um die errechneten Flugprioritäten vertraulich innerhalb von kooperativen Lösungsverfahren mit externen Stakeholdern austauschen zu können. Das integrierte Optimierungsmodell ist eine Erweiterung des Resource-Constrained Project Scheduling Problems und integriert das Bodenprozessmanagement von Luftfahrzeugen mit bestehenden Ansätzen für die Steuerung von Flugzeugumläufen, Crew-Einsatzplänen und Passagierrouten. Das Modell soll der Verkehrsleitzentrale einer Airline als taktische Entscheidungsunterstützung dienen und arbeitet dabei mit einer Vorlaufzeit von mehr als zwei Stunden bis zur nächsten planmäßigen Verkehrsspitze. Systemimmanente Unsicherheiten über Prozessabweichungen und mögliche zukünftige Störungen werden in der Optimierung in Form von stochastischen Prozesszeiten und mittels des neu-entwickelten Konzeptes stochastischer Verspätungskostenfunktionen berücksichtigt. Diese Funktionen schätzen die Kosten der Verspätungsausbreitung im Airline-Netzwerk flugspezifisch auf der Basis historischer Betriebsdaten ab, sodass knappe Abfertigungsressourcen am Drehkreuz der Airline den kritischsten Flugzeugumläufen zugeordnet werden können. Das Modell wird innerhalb einer Fallstudie angewendet, um die taktischen Kosten einer Airline in Folge von verschiedenen Flugplanstörungen zu minimieren. Die Analyseergebnisse zeigen, dass die optimale Lösung sehr sensitiv in Bezug auf die Art, den Umfang und die Intensität einer Störung reagiert und es folglich keine allgemeingültige optimale Flugplanwiederherstellung für verschiedene Störungen gibt. Umso dringender wird der Einsatz eines flexiblen und effizienten Optimierungsverfahrens empfohlen, welches die komplexen Ressourcenabhängigkeiten innerhalb eines Airline-Netzwerks berücksichtigt und kontextspezifische Lösungen generiert. Um die Effizienz eines solchen Optimierungsverfahrens zu bestimmen, sollte das damit gewonnene Steuerungspotenzial im Vergleich zu aktuell genutzten Verfahren über einen längeren Zeitraum untersucht werden. Aus den in dieser Dissertation analysierten Störungsszenarien kann geschlussfolgert werden, dass die flexible Standplatzvergabe, Passagier-Direkttransporte, beschleunigte Abfertigungsverfahren und die gezielte Verspätung von Abflügen sehr gute Steuerungsoptionen sind und während 95 Prozent der Saison Anwendung finden könnten, um geringe bis mittlere Verspätungen von Einzelflügen effizient aufzulösen. Bei Störungen, die zu hohen Verspätungen im gesamten Airline-Netzwerk führen, ist eine vollständige Integration aller in Betracht gezogenen Steuerungsoptionen erforderlich, um eine erhebliche Reduzierung der taktischen Kosten zu erreichen. Dabei ist insbesondere die Möglichkeit, Ankunfts- und Abflugzeitfenster zu tauschen, von hoher Bedeutung für eine Airline, um die ihr zugewiesenen ATFM-Verspätungen auf die Flugzeugumläufe zu verteilen, welche die geringsten Einschränkungen im weiteren Tagesverlauf aufweisen. Die Berücksichtigung von Unsicherheiten im nachgelagerten Airline-Netzwerk zeigt, dass eine Optimierung auf Basis deterministischer Verspätungskosten die taktischen Kosten für eine Airline überschätzen kann. Die optimale Flugplanwiederherstellung auf Basis stochastischer Verspätungskosten unterscheidet sich deutlich von der deterministischen Lösung und führt zu weniger Passagierumbuchungen am Drehkreuz. Darüber hinaus ist das vorgeschlagene Modell in der Lage, Flugprioritäten und Airline-interne Kostenwerte für ein zugewiesenes ATFM-Zeitfenster zu bestimmen. Die errechneten Flugprioritäten können dabei vertraulich in Form von optimalen Verspätungszeitfenstern pro Flug an das ATFM übermittelt werden, während die Definition von internen Kostenwerten für ATFM-Zeitfenster die Entwicklung von künftigen Handelsmechanismen zwischen Airlines unterstützen kann.:1 Introduction 2 Status Quo on Airline Operations Management 3 Schedule Recovery Optimization Approach with Constrained Resources 4 Implementation and Application 5 Case Study Analysis 6 Conclusions / Air Traffic Flow Management (ATFM) and airlines use different paradigms for the prioritisation of flights. While ATFM regards each flight as individual entity when it controls sector capacity utilization, airlines evaluate each flight as part of an aircraft rotation, crew pairing and passenger itinerary. As a result, ATFM slot regulations during capacity constraints are poorly coordinated with the resource interdependencies within an airline network, such that the aircraft turnaround -- as the connecting element or breaking point between individual flights in an airline schedule -- is the major contributor to primary and reactionary delays in Europe. This dissertation bridges the gap between both paradigms by developing an integrated schedule recovery model that enables airlines to define their optimal flight priorities for schedule disturbances arising from ATFM capacity constraints. These priorities consider constrained airport resources and different methods are studied how to communicate them confidentially to external stakeholders for the usage in collaborative solutions, such as the assignment of reserve resources or ATFM slot swapping. The integrated schedule recovery model is an extension of the Resource-Constrained Project Scheduling Problem and integrates aircraft turnaround operations with existing approaches for aircraft, crew and passenger recovery. The model is supposed to provide tactical decision support for airline operations controllers at look-ahead times of more than two hours prior to a scheduled hub bank. System-inherent uncertainties about process deviations and potential future disruptions are incorporated into the optimization via stochastic turnaround process times and the novel concept of stochastic delay cost functions. These functions estimate the costs of delay propagation and derive flight-specific downstream recovery capacities from historical operations data, such that scarce resources at the hub airport can be allocated to the most critical turnarounds. The model is applied to the case study of a network carrier that aims at minimizing its tactical costs from several disturbance scenarios. The case study analysis reveals that optimal recovery solutions are very sensitive to the type, scope and intensity of a disturbance, such that there is neither a general optimal solution for different types of disturbance nor for disturbances of the same kind. Thus, airlines require a flexible and efficient optimization method, which considers the complex interdependencies among their constrained resources and generates context-specific solutions. To determine the efficiency of such an optimization method, its achieved network resilience should be studied in comparison to current procedures over longer periods of operation. For the sample of analysed scenarios in this dissertation, it can be concluded that stand reallocation, ramp direct services, quick-turnaround procedures and flight retiming are very efficient recovery options when only a few flights obtain low and medium delays, i.e., 95% of the season. For disturbances which induce high delay into the entire airline network, a full integration of all considered recovery options is required to achieve a substantial reduction of tactical costs. Thereby, especially arrival and departure slot swapping are valuable options for the airline to redistribute its assigned ATFM delays onto those aircraft that have the least critical constraints in their downstream rotations. The consideration of uncertainties in the downstream airline network reveals that an optimization based on deterministic delay costs may overestimate the tactical costs for the airline. Optimal recovery solutions based on stochastic delay costs differ significantly from the deterministic approach and are observed to result in less passenger rebooking at the hub airport. Furthermore, the proposed schedule recovery model is able to define flight priorities and internal slot values for the airline. Results show that the priorities can be communicated confidentially to ATFM by using the concept of 'Flight Delay Margins', while slot values may support future inter-airline slot trading mechanisms.:1 Introduction 2 Status Quo on Airline Operations Management 3 Schedule Recovery Optimization Approach with Constrained Resources 4 Implementation and Application 5 Case Study Analysis 6 Conclusions

Résumé indisponible. / In this thesis we have concerned ourselves with university timetabling problems both course timetabling and examination timetabling problems. Most of the timetabling problems are computationally NP-complete problems, which means that the amount of computation required to find solutions increases exponentially with problem size. These are idiosyncratic nature problems, for example different universities have their own set of constraints, their own definition of good timetable, feasible timetable and their own choice about the use of constraint type (as a soft or hard constraint). Unfortunately, it is often the case that a problem solving approach which is successfully applied for one specific problem may not become suitable for others. This is a motivation, we propose a generalized problem which covers many constraints used in different universities or never used in literature. Many university timetabling problems are sub problems of this generalized problem. Our proposed algorithms can solve these sub problems easily, moreover constraints can be used according to the desire of user easily because these constraints can be used as reference to penalty attached with them as well. It means that give more penalty value to hard constraints than soft constraint. Thus more penalty value constraints are dealt as a hard constraint by algorithm. Our algorithms can also solve a problem in two phases with little modification, where in first phase hard constraints are solved. In this work we have preferred and used two phase technique to solve timetabling problems because by using this approach algorithms have broader search space in first phase to satisfy hard constraints while not considering soft constraints at all. Two types of algorithms are used in literature to solve university timetabling problem, exact algorithms and approximation algorithms. Exact algorithms are able to find optimal solution, however in university timetabling problems exact algorithms constitute brute-force style procedures. And because these problems have the exponential growth rates of the search spaces, thus these kinds of algorithms can be applied for small size problems. On the other side, approximation algorithms may construct optimal solution or not but they can produce good practically useable solutions. Thus due to these factors we have proposed approximation algorithms to solve university timetabling problem. We have proposed metaheuristic based techniques to solve timetabling problem, thus we have mostly discussed metaheuristic based algorithms such as evolutionary algorithms, simulated annealing, tabu search, ant colony optimization and honey bee algorithms. These algorithms have been used to solve many other combinatorial optimization problems other than timetabling problem by modifying a general purpose algorithmic framework. We also have presented a bibliography of linear integer programming techniques used to solve timetabling problem because we have formulated linear integer programming formulations for our course and examination timetabling problems. We have proposed two stage algorithms where hard constraints are satisfied in first phase and soft constraints in second phase. The main purpose to use this two stage technique is that in first phase hard constraints satisfaction can use more relax search space because in first phase it does not consider soft constraints. In second phase it tries to satisfy soft constraints when maintaining hard constraints satisfaction which are already done in first phase. (...)

Le problème de gestion de projet à contraintes de ressources est un des problèmesles plus étudiés dans la littérature. Il consiste à planifier des activités soumises à desrelations de précédence, et nécessitant des ressources renouvelables. L’objectif est deminimiser la durée du projet, soit le makespan. Nous étudions le problème de gestion deprojet à contraintes de ressources. Nous nous sommes intéressées à la résolution exactedu problème. Dans la première partie de la thèse, nous élaborons une série de bornesinférieures basées sur le raisonnement énergétique et des formulations mathématiques.Les résultats montrent que les bornes proposées surpassent ceux de la littérature. Dansla deuxième partie, nous proposons des procédures par séparation et évaluation utilisantles bornes inférieures dévelopées dans la première partie. / Resource Constrained Project Scheduling Problem is one of the most studied schedulingproblems in the literature. It consists in scheduling activities, submitted to precedencerelationship, and requiring renewable resources to be processed. The objective isto minimize the project duration, i.e., the makespan. We study the Resource ConstrainedProject Scheduling Problem. We are interested on the exact resolution of the problem.In the first part of the thesis, we develop a series of lower bounds based on energeticreasoning and mathematical formulations. The computational results show that theproposed lower bounds outperform the ones of the literature. In the second part, wepropose Branch-and-Bound procedures using the lower bounds developed on the firstpart.

La plupart des travaux de recherches sur les problèmes d'ordonnancement traitent le cas des ressources renouvelables, c'est-à-dire des ressources qui sont exigées en début d'exécution de chaque tâche et sont restituées en fin d'exécution. Peu d'entre eux abordent les problèmes à ressources consommables, c'est-à-dire des ressources non restituées en fin d'exécution. Le problème de gestion de projet à contraintes de ressources (RCPSP) est le problème à ressources renouvelables le plus traité dans la littérature. Dans le cadre de cette thèse, nous nous sommes intéressés à une généralisation du problème RCPSP qui correspond au cas où les tâches sont remplacées par des événements liés par des relations de précédence étendues. Chaque événement peut produire ou consommer une quantité de ressources à sa date d'occurrence et la fonction économique reste la durée totale à minimiser. Nous avons nommé cette généralisation ERCPSP (Extended RCPSP). Nous avons élaboré des modèles de programmation linéaire pour résoudre ce problème. Nous avons proposé plusieurs bornes inférieures algorithmiques exploitant les travaux de la littérature sur les problèmes cumulatifs. Ensuite, nous avons élargi la portée des méthodes utilisées pour la mise en place de méthodes de séparation et évaluation. Nous avons traité aussi des cas particuliers par des méthodes basées sur la programmation dynamique. / This thesis investigates the Extended Resource Constrained Project Scheduling Problem (ERCPSP). ERCPSP is a general scheduling problem where the availability of a resource is depleted and replenished at the occurrence times of a set of events. It is an extension of the Resource Constrained Project Scheduling Problem (RCPSP) where activities are replaced by events, which have to be scheduled subject to generalized precedence relations. We are interested in this thesis in proposing new methodologies and approaches to solve ERCPSP. First, we study some polynomial cases of this problem and we propose a dynamic programming algorithm to solve the parallel chain case. Then, we propose lower bounds, mixed integer programming models, and a branch-and-bound method to solve ERCPSP. Finally, we develop an instance generator dedicated to this problem.